移轴摄影是一种利用镜头移动（倾斜与平移）来控制图像中焦平面和透视关系的摄影技术。在其最广为人知的形式中，它产生一种微缩或沙盘效果，使真实场景看起来像小型模型。这项技术源于大型相机，其中镜头和胶片平面可以独立调整，并已被改编用于现代数码摄影，最近更成为Generative AI图像和视频提示中的一种风格指令。
移轴摄影的视觉特征是画面中一条狭窄的水平清晰对焦带，其上方和下方区域呈现柔和的模糊渐变。这模仿了微距摄影中典型的浅景深效果，使大脑误以为场景是微小物体的特写。此外，平移移动允许透视校正，例如在拍摄高楼时保持垂直线平行，这是建筑摄影中备受重视的功能。当应用于城市、人群或景观的航拍或高角度拍摄时，选择性对焦与透视控制的结合创造出令人信服的微缩化错觉。
大型相机的起源
移轴摄影的技术基础在于大型相机，这是一种自19世纪以来使用的大画幅相机。大型相机具有连接镜头板和胶片背的柔性皮腔，允许摄影师相对于胶片平面倾斜、摆动、平移和升降镜头。这些移动是为了解决建筑和风景摄影中的光学问题而开发的，例如汇聚垂直线和有限的景深。奥地利军官西奥多·谢姆普弗卢格于1904年阐明的谢姆普弗卢格原理描述了如何通过倾斜镜头平面相对于图像平面，使整个主体平面保持对焦，即使它不平行于相机。这一原理支撑了后来用于创意目的的选选择性对焦效果。
微缩热潮与普及
虽然大型相机的移动已使用数十年，但微缩效果在21世纪初成为一种流行的摄影风格。摄影师开始使用35毫米和数码单反相机上的移轴镜头，创作日常场景的沙盘式图像。这项技术通过在线摄影社区和社交媒体平台获得广泛关注，其中微缩城市和景观的引人注目的例子广泛传播。一位著名的实践者是意大利摄影师奥利沃·巴尔别里，他在1990年代开始创作具有选择性对焦的大规模航拍照片，早于数字热潮。他的系列作品“场地特定”（2003-2009）使用移轴效果使城市环境看起来像模型，在艺术界获得好评。
电影应用
移轴技术也被用于电影和视频中，以唤起微缩美学或传达一种超脱感。在电影中，这种效果通常通过专用镜头或后期制作软件实现。一个突出的例子是2011年电影《生命之树》的开场序列，由泰伦斯·马力克执导，使用移轴摄影描绘郊区生活，仿佛从远处观看，暗示一种宇宙视角。同样，2013年电影《白日梦想家》包含一个用移轴拍摄的场景，以强调主角的想象旅程。在电视中，该技术被用于城市建立镜头，以创造一种异想天开、故事书般的感觉，如《神探夏洛克》（2010-2017）的一些剧集所示。
技术实现
移轴效果可以通过光学或数字方式实现。在光学上，专用移轴镜头，如佳能、尼康和施耐德制造的镜头，允许摄影师物理上倾斜镜头相对于传感器或胶片平面。这些镜头是手动对焦且通常昂贵，限制了它们的使用范围，主要面向专业人员和爱好者。或者，这种效果可以在后期处理中使用Adobe Photoshop等软件模拟，其中对图像应用渐变模糊，并调整饱和度和对比度以模仿微缩场景的外观。这种数字方法使该风格对更广泛的受众可及，包括那些在智能手机上使用Computational photography工具的人。
在AI图像和视频生成中
随着能够从文本描述生成逼真图像和视频的Generative AI模型的兴起，移轴摄影已成为Prompt工程中常见的风格关键词。提示编写者通过包含诸如“移轴摄影”、“微缩效果”、“沙盘外观”或“前景和背景模糊的选择性对焦”等短语来调用该技术。这些术语引导像OpenAI的DALL-E、Google DeepMind的Imagen以及开源模型如Stable Diffusion等模型生成具有特征性浅景深和透视失真的图像。该风格特别适用于生成城市、景观和人群的航拍视图，其中微缩效果最为显著。
在视频生成中，像OpenAI的Sora和其他新兴工具可以生成具有移轴美学的短视频，通常用于创意叙事或为场景增添异想天开的质感。该技术也在AI艺术社区中被提及，用户分享将移轴与其他风格结合的提示，如“黄金时段的移轴城市景观”或“微缩火车站，移轴，高细节”。这些提示的有效性取决于模型的训练数据，其中包括来自网络的众多移轴摄影示例。
著名实践者与作品
除了奥利沃·巴尔别里，几位摄影师为移轴摄影的普及做出了贡献。文森特·拉福雷特，一位普利策奖获奖摄影师，于2008年创作了一系列纽约市的航拍移轴图像，在网上广泛分享。他的作品展示了该技术从直升机捕捉城市景观的潜力。另一位著名人物是澳大利亚摄影师本·托马斯，以其“城市缩小”系列而闻名，该系列将移轴应用于世界各地的城市，包括东京、巴黎和伦敦。他的图像以鲜艳的色彩和俏皮、模型般的质感为特征。在电影领域，导演米歇尔·贡德里在音乐视频和广告中使用了移轴，如他2006年为化学兄弟乐队的《三文鱼之舞》制作的视频，以创造超现实、玩具般的环境。
与其他视觉风格的关系
移轴摄影与其他摄影和电影技术在视觉和概念上具有相似之处。它常被与Fake nude photography相比，因为其人为性，尽管后者是一个独特且有争议的流派。更直接地，移轴与Computational photography相关，后者涵盖基于软件的技术，用于增强或改变图像。微缩效果可以被视为视觉感知中的一种Distribution Shift形式，因为它改变了观众对尺度的解释。在Machine learning和Deep learning的背景下，移轴提示是使用描述性语言控制Neural network输出的更广泛实践的一部分，这一领域与Large language model研究相交。该技术还影响Dataset shift的考虑，因为训练于多样化摄影风格的AI模型必须学会区分移轴与其他选择性对焦方法。
挑战与限制
虽然移轴效果视觉上吸引人，但在传统和AI生成环境中都带来挑战。在光学摄影中，实现正确的倾斜需要精确调整和对谢姆普弗卢格原理的透彻理解；错位可能导致意外的焦平面。在数字模拟中，如果模糊渐变过于均匀或透视校正不令人信服，效果可能看起来不自然。在AI生成中，模型可能过度应用该效果，产生整个场景除了一条细带外都模糊的图像，这可能显得不自然。提示编写者通常需要指定模糊程度和焦点以实现平衡的结果。此外，微缩效果在具有可识别尺度线索的场景中效果最佳，如汽车、树木或人物；抽象或特写主体可能无法从该技术中受益。
未来方向
随着Generative AI模型的持续发展，移轴摄影作为提示风格的使用可能会变得更加精细。Multi-Head Attention和Cross-Attention机制的进步使模型能够更好地解释空间关系，可能导致更准确的移轴效果渲染。Residual Network (ResNet)架构和改进的Loss Functions的集成也可能增强生成图像的真实感。此外，AWS Trainium和其他专用硬件的日益可用性可能实现移轴视频的实时生成，扩大其在交互媒体中的使用。在Artificial intelligence的更广泛背景下，该技术体现了风格提示如何弥合传统摄影艺术与现代机器学习之间的差距，为创意探索提供了丰富领域。